CN105313957A - 一种基于复合控制的电动助力转向***助力控制方法 - Google Patents

Abstract

本发明提出了一种基于复合控制的电动助力转向***助力控制方法，目的在于提高汽车在行驶过程中的安全性、稳定性和舒适性。首先，根据***的非线性和参数的不确定性等特性，设计了滑模控制器；其次，为了增强***的鲁棒性，减小甚至消除滑模控制特有的抖振现象，同时提高控制率的自适应特性，在滑模控制的基础上，利用模糊控制优化控制率的关键参数；最后，为了提高***的控制精度，利用遗传算法优化模糊控制的控制规则。通过三种控制方法的复合控制，最终提高***的控制精度和鲁棒性，同时减小甚至消除***的抖振现象，进而提高汽车行驶的安全性、稳定性和舒适性。

Description

一种基于复合控制的电动助力转向***助力控制方法

技术领域

本发明涉及电动助力转向***领域，尤其涉及一种基于复合控制的电动助力转向***助力控制方法。

背景技术

车辆用电动助力转向(EPS)***包括电子控制单元(ECU)、转矩传感器、车速传感器、电流传感器、助力电机和减速机构等部件，助力电机通过传动机构与汽车的转向机构相连。EPS***存在多种控制模式，其中助力控制是其基础。

针对助力控制的方法是多种多样的，传统的控制方法的控制精度低、鲁棒性差，响应时间长，这样会使得电机提供助力的延迟，对汽车的舒适性和安全性造成很大的影响。较为理想的控制方法为滑模变结构控制，但是传统的滑模变结构控制普遍存在着抖振现象。抖振会影响汽车行驶的稳定性，进而影响汽车的安全性。为了解决上述问题，需要有一种新的电动助力转向***助力控制方法。

本发明设计了基于遗传算法优化的模糊滑模控制方法，不仅有效地减小了***的抖振，还进一步增强了***的控制精度和鲁棒性。并且由于滑模变结构控制的特点，该控制方法可以应用于多种不同型号的汽车上。

发明内容

本发明提供了一种基于复合控制的电动助力转向***助力控制方法，目的在于减小甚至消除传统的滑模变结构控制中存在的抖振现象，进一步提高***的控制精度和鲁棒性。当车辆进入转向状态时，电动助力转向***的ECU根据转矩传感器测得的转矩信号和车速传感器测得的车速信号得到所需的目标电流，将电流传感器测得的实际电流与目标电流的差值作为电流控制器的输入，确保实际电流能够快速而准确的跟随目标电流，以此来快速而准确的提供助力转矩。本发明所采用的技术方案是：

一种基于复合控制的电动助力转向***助力控制方法，其特征在于：第一步，设计滑模变结构控制器对电动助力转向***的电流误差进行控制；第二步，将一个双输入单输出的模糊控制引入到第一步的滑模变结构控制器中，使滑模控制中的关键参数具有一定的自适应特性；第三步，将遗传算法优化引入到第二步的模糊控制中，对模糊控制规则进行优化。该方法的主要特性为：将模糊控制应用于滑模控制，达到优化滑模控制中的关键参数的作用，同时通过遗传算法优化模糊规则，以此来提高模糊规则的精确性，最终实现对EPS***的复合控制，提高***的鲁棒性和控制精度，同时，减小甚至消除***的抖振现象。

第一步中，将***所需的目标电流I_m和电流传感器采集助力电机当前的实际电流I的偏差e作为状态变量，同时参考滑模控制中的指数趋近率，结合助力电机的电气特性，最终初步得到滑模控制器。用饱和函数sat(s)代替理想滑动模态中的符号函数sgn(s)，将已形成的切换控制项连续化，形成具有一定邻域的边界层，增强***的鲁棒性。

第二步中，滑模控制中的指数趋近率公式为ε会明显影响***的性能，根据图3利用模糊控制对其进行自适应控制，设模糊控制器的输入s和在模糊论域上的模糊子集输出ε在模糊论域上的模糊子集ε＝{NB，NS，ZO，PS，PB}。由此可构成对助力电机控制的模糊滑模控制器；

第三步中，利用遗传算法对对第二步的模糊控制中的模糊规则进行优化，具体的控制规则优化过程为：随机初始化初始群体的参数，计算出目标函数值及相应的适值；计算初始种群的适值总和、最值、平均值及最大值样本序号；计算出个体的适值与平均适值之比，用比值大于1的个体繁殖，保持种群中个体个数不变；在上一代种群中随机进行两两配对，以交叉概率为0.85随机选取交叉位进行交叉操作，便以概率为0.01.由此产生新一代种群，计算各样本的目标函数值机器最大值和适值；计算新一代种群的适值总和、最值、平均值及最大值样本序号；判断是否满足终止条件，满足则结束，不满足重复上述过程；由最大适值的样本解码，得到优化的控制规则。

优越地，本发明的电流控制器将采用基于遗传算法优化的模糊滑模变结构控制，由于滑模变结构控制器具有开关特性，且与***本身的参数和扰动无关，因此，该控制方法可以应用于不同型号的汽车上。

优越地，本发明利用模糊控制优化滑模控制中的参数，使得参数能够根据不同的工况发生自适应变化，同时利用遗传算法优化模糊控制中的控制规则，增强了***的控制精度，进一步提高了***的自适应特性和鲁棒性，同时，减小甚至消除了传统滑模变结构控制所特有的抖振现象。

以下结合附图，详细说明本发明的优点和特征。

附图说明

图1为电动助力转向***分模型示意图；

图2为电动助力转向***助力控制方法的逻辑框图；

图3为模糊滑模变结构控制框图；

图4为遗传算法流程图。

具体实施方式

如图2，一种电动助力转向***，包括微处理器MCU1，以及与之相连的方向盘扭矩传感器2、车速传感器3、PWM助力电机驱动模块4、助力电机5及反馈电流采集模块6，微处理器MCU1实时采集由方向盘扭矩传感器2产生的扭矩信号和车速传感器3产生的车速信号，并通过内置的助力特性曲线得到电动助力转向***应输出的助力电机的目标电流，将该参数输入到模糊PID控制器进行处理，向PWM助力电机驱动模块4输出经微处理器MCU调节的脉宽调制信号(PWM)，通过控制PWM波占空比的方式控制助力电机5输出助力扭矩，同时反馈电流6采集模块实时采集助力电机实际电流，输入微处理器MCU1中的模糊PID控制器7，形成闭环控制。

本发明公开了一种基于复合控制的电动助力转向***助力控制方法，其中关键在于对电流控制器的设计，具体实施如下：

1.当车辆进入转向状态时，电动助力转向***的ECU根据转矩传感器测得的转矩信号和车速传感器测得的车速信号得到所需的目标电流，将电流传感器测得的实际电流与目标电流的差值作为电流控制器的输入，确保实际电流能够快速而准确的跟随目标电流，以此来快速而准确的提供助力转矩。

2.将***所需的目标电流I_m和电流传感器采集助力电机当前的实际电流I的偏差e作为状态变量，得到切换函数：

s＝c·e＝c(I_m-I)公式(1)

公式(1)中c为比例系数，I_m为目标电流，I为实际电流。

对s求导：

s＝c·e＝c(I_m-I)公式(2)

选取指数趋近率设计滑模观测器，即：

$\stackrel{\·}{s}=-\mathrm{\ϵ}\·\mathrm{sgn}\left(s\right)+\mathrm{ks}$ 公式(3)

公式3中ε是***运动点趋近切换面的速度。。

实际的滑模控制为了使***能够保持在滑模面上运动，需要在不同的控制逻辑间切换，由此形成了“抖振”。“抖振”现象将影响***的精确性，增加***的耗能，对***造成严重的损害，用饱和函数sat(s)代替理想滑动模态中的符号函数sgn(s)，将已形成的切换控制项连续化，形成具有一定邻域的边界层，这样可以减小甚至消除抖振，增强***的鲁棒性。

$\mathrm{sat}\left(s\right)=\left\{\begin{array}{cc}1& s>\mathrm{\&Delta;}\\ \mathrm{ks}& \left|s\right|\&le;\mathrm{\&Delta;}\\ -1& s<-\mathrm{\&Delta;}\end{array}\right.$ 其中： $k=\frac{1}{\mathrm{\&Delta;}}$ 公式(4)

由此可以得到***的切换控制项表达式为：

U_s＝ε·sat(s)+k·s公式(5)

公式(5)中ε是***运动点趋近切换面的速度。

综上且结合助力电机的电气特性，可得滑模控制器的表达式为：

$u=L{\stackrel{\&CenterDot;}{I}}_m+K_b{\stackrel{\&CenterDot;}{\mathrm{\&theta;}}}_m+\mathrm{RI}+\frac{\mathrm{L\&epsiv;}}{c}\mathrm{sat}\left(s\right)+\frac{\mathrm{Lk}}{c}s$ 公式(6)

公式6中K_b为反电动势系数；θ_m为转向盘转动角度；R，L分别为电机电枢电阻和电感。

3.在滑模控制中，指数趋近率公式为ε会明显影响***的性能。减小ε值，可明显减小***抖振，然而s值太小，会影响***到达切换面的趋近速度和过渡时间。考虑参数的不确定性，在边界层内根据s和的模糊值对s进行模糊化调节，进而实现对切换控制项的调节。

根据图3利用模糊控制对其进行自适应控制，设模糊控制器的输入s和在模糊论域上的模糊子集输出ε在模糊论域上的模糊子集ε＝{NB，NS，ZO，PS，PB}。由此可构成对助力电机控制的模糊滑模控制器；

4.利用遗传算法对模糊控制中的模糊规则进行优化，由于模糊控制器为双输入，且每个输入为5个模糊集，故共有25条控制规则，每条规则对应1个ε的模糊语言值。将模糊控制规则输入和输出s的5个模糊语言值{PB，PS，ZO，NS，NB}分别进行编码，编码方式是将其转化为二进制码，依次为000，001，010，011，100。在规则转化为二进制串的工程中，只需将相应的模糊规则串联即可。

本发明采用的目标函数为：

J＝∫t·|e|dt公式(7)

公式(7)中|e|为***输入和输出的误差的绝对值，J值越小，则***的性能越好。

为了便于实现，可将目标函数离散化，即得

$\mathrm{\&Delta;J}=J(t+\mathrm{\&Delta;t})-J\left(t\right)={\&Integral;}_0^{t+\mathrm{\&Delta;t}}\mathrm{\&tau;}\left|e\right|\mathrm{d\&tau;}-{\&Integral;}_0^t\mathrm{\&tau;}\left|e\right|\mathrm{d\&tau;}={\&Integral;}_t^{t+\mathrm{\&Delta;t}}\mathrm{\&tau;}\left|e\right|\mathrm{d\&tau;}$ 公式(8)

公式(8)中Δt为采样间隔，一般很小，取τ＝t时，则ΔJ＝t|E|Δt。

适应度函数可以对目标函数作适当的变换得到。这里，可以利用如下公式来确定：

$f=\frac{1}{1+J}$ 公式(9)

具体的控制规则优化过程为如图4，最终得到基于遗传算法的模糊滑模控制器。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (3)

1.一种基于复合控制的电动助力转向***助力控制方法，该方法根据车速传感器测得的车速信号和转矩传感器测得的转矩信号综合作用于电动助力转向***的ECU，根据ECU中的助力特性曲线得出目标电流，将目标电流与电流传感器测得的实际电流的差值通过电流控制器作用于助力电机，由助力电机输出助力转矩，其包括如下步骤：

第一步：利用滑模变结构控制得到电动助力转向***的电流控制。将目标电流和实际电流的差值作为状态变量，得到切换函数输入，即

s＝c·e＝c(I_m-I)(1)

式1中c为比例系数，I_m为目标电流，I为实际电流。

对s求导：

选取指数趋近率设计滑模观测器，即：

式3中ε是***运动点趋近切换面的速度。

利用sat(s)代替sgn(s)，形成具有一定邻域的边界层，得到切换控制项表达式：U_s＝ε·sat(s)+k·s(4)

综上结合电机的电气特性，得到电流控制器为：

式5中K_b为反电动势系数；θ_m为转向盘转动角度；R，L分别为电机电枢电阻和电感。

第二步：利用模糊控制使得滑模变结构控制器中***运动点趋近切换面的速度ε具有一定的自适应特性。

第三步：利用遗传算法优化模糊控制中的模糊控制规则。

2.根据权利要求1所述的一种基于复合控制的电动助力转向***助力控制方法，其特征d于：第二步中，将双输入单输出的模糊控制引入第一步滑模变结构控制中，优化滑模控制中的关键参数ε，构成对助力电机控制的模糊滑模控制器。设模糊控制器的输入s和在模糊论域上的模糊子集输出ε在模糊论域上的模糊子集ε＝{NB，NS，ZO，PS，PB}，通过对输入输出的模糊化，制定模糊规则，对输出的反模糊化等步骤得到ε的值。

3.根据权利要求1所述的一种基于复合控制的电动助力转向***助力控制方法，其特征在于：第三步中，将遗传算法引入第二步的模糊控制，对模糊控制规则进行优化。优化过程：随机初始化初始群体的参数，计算出目标函数值及相应的适值；计算初始种群的适值总和、最值、平均值及最大值样本序号；计算出个体的适值与平均适值之比，用比值大于1的个体繁殖，保持种群中个体个数不变；在上一代种群中随机进行两两配对，以交叉概率为0.85随机选取交叉位进行交叉操作，便以概率为0.01.由此产生新一代种群，计算各样本的目标函数值机器最大值和适值；计算新一代种群的适值总和、最值、平均值及最大值样本序号；判断是否满足终止条件，满足则结束，不满足重复上述过程；由最大适值的样本解码，得到优化的控制规则。